科研之友
微信
新浪微博
Facebook
分享链接
摘要
本文提出了一种基于正则化技术的宽度学习系统（Broad Learning System,BLS）网络结构简化方法,将BLS目标函数中的2范数分别替换为1范数和Elastic net,利用正则化技术衡量每个网络节点对输出预测的影响程度,将影响程度低的节点进行剔除,并引入贝叶斯信息准则,权衡预测精度与网络结构的关系,最后确定一个最佳的网络结构。对几种常用的回归数据集的实验表明,与BLS相比,本文提出的方法能够在保持预测精度的前提下,大大简化网络结构。
- 单位
本文提出了一种基于正则化技术的宽度学习系统（Broad Learning System,BLS）网络结构简化方法,将BLS目标函数中的2范数分别替换为1范数和Elastic net,利用正则化技术衡量每个网络节点对输出预测的影响程度,将影响程度低的节点进行剔除,并引入贝叶斯信息准则,权衡预测精度与网络结构的关系,最后确定一个最佳的网络结构。对几种常用的回归数据集的实验表明,与BLS相比,本文提出的方法能够在保持预测精度的前提下,大大简化网络结构。
